汇报口径

统一配置、自动上报、飞书集中、用户轻填、run_id 追溯、本地兜底

每个 skill 仍在用户本地 AI 中运行,但使用记录和人工反馈统一进入飞书。用户不需要手动填写 skill 名称、版本、任务 ID 这类基础信息,只回答少量选择题。

核心结论:不要给每个 skill 单独建反馈表。统一一个飞书反馈入口,每个 skill 在制作阶段内置标准化 feedback_config,由配置决定记录写到哪里、反馈表问什么、如何用 run_id 关联。

本方案解决的问题

1一个统一反馈入口
3三张飞书主表
30s用户反馈填写目标
run_id使用与反馈唯一关联键
1

设计原则

表单统一

所有 skill 共用一个飞书反馈入口,避免表单分散、字段不一致、后期无法汇总。

配置差异化

不同 skill 不单独建表,只通过 feedback_config 决定是否展示 1-2 道专属问题。

用户轻填写

基础信息由链接自动带入,人工填写尽量选择题化,文本补充非必填。

一句话:统一的是数据口径和收集入口,不是强迫每个 skill 问完全一样的问题。
2

用户使用路径

用户侧要尽量无感。用户只知道自己完成了一次 skill 使用,并看到一个 30 秒反馈入口。

1. 使用 skill用户正常使用 PRD、周报、客服回复等 skill。
2. 任务结束skill 输出结果,并生成本次 run_id。
3. 自动记录基础使用信息自动写入飞书使用记录表。
4. 反馈入口页面展示统一飞书反馈链接。
5. 自动带参链接携带 skill、版本、用户、输出链接等信息。
6. 选择题反馈用户回答完成度、可用度、满意度和问题类型。
7. 飞书沉淀反馈进入用户反馈表,并通过 run_id 关联使用记录。
用户看到的文案建议:本次任务已完成。点这里反馈本次使用体验,预计 30 秒。
3

系统执行路径

制作阶段
Skill 信息卡记录 skill_id、类型、版本、负责人、目标用户、主要场景。
feedback_config定义飞书去向、run_id、反馈问题、问题标签、本地兜底。
发布门槛没有 feedback_config 的 skill 不建议进入公司试用。
运行阶段
生成 run_id每次运行生成唯一任务 ID,用于后续追溯。
写入飞书自动新增一条使用记录,失败时写入本地 outbox。
反馈链接生成带参数的飞书反馈链接,用户不填基础信息。
收集阶段
用户提交用户反馈进入统一用户反馈表。
自动关联用户反馈表与使用记录表通过 run_id 关联。
补传兜底本地 outbox 在下一次运行时自动重试上传。
4

飞书收集结构

飞书是正式数据源,本地只做临时缓存和异常兜底。第一阶段建议先建三张主表。

飞书表作用关键字段
Skill 目录表 管理所有 skill 的基础信息和反馈配置,是后续自动识别的依据。 skill_id、skill_name、skill_type、version、owner、feedback_config、risk_level
Skill 使用记录表 每次 skill 运行后自动新增一行,记录本次使用实际发生了什么。 run_id、skill_id、skill_version、user_id、created_at、status、output_link、upload_status
用户反馈表 用户通过统一反馈表提交主观评价,主要是选择题和少量补充说明。 run_id、task_completion、output_usability、main_issue、satisfaction_score、additional_comment
关联规则:所有使用记录和用户反馈都必须带同一个 run_id。没有 run_id 的反馈只能作为普通建议,不能追溯到具体使用过程。
5

feedback_config 标准

每个 skill 制作完成后,都要补齐统一格式的 feedback_config。它不只定义“问什么”,还要定义“数据回到飞书哪里”。

collection_channel: feishu relation_key: run_id local_fallback: true no full input/output by default
{
  "feedback_config": {
    "enabled": true,
    "collection_channel": "feishu",
    "run_id_required": true,
    "usage_record_destination": {
      "type": "feishu_base",
      "app_token": "[待填写:飞书多维表格 app_token]",
      "table_name": "Skill使用记录表",
      "table_id": "[待填写:使用记录表 table_id]"
    },
    "feedback_form": {
      "type": "feishu_form_or_base_form",
      "form_name": "Skill统一反馈表",
      "form_url": "[待填写:飞书统一反馈表链接]",
      "feedback_table_name": "用户反馈表",
      "feedback_table_id": "[待填写:用户反馈表 table_id]"
    },
    "relation_key": "run_id",
    "auto_params": [
      "run_id",
      "skill_id",
      "skill_name",
      "skill_type",
      "skill_version",
      "user_id",
      "created_at",
      "output_link"
    ],
    "local_fallback": {
      "enabled": true,
      "fallback_file": "skill_usage_outbox.jsonl",
      "retry_on_next_run": true
    }
  }
}
字段必须统一的原因
collection_channel明确正式收集渠道是飞书,不让数据散落到个人本地。
usage_record_destination告诉 skill 使用记录要自动写入哪张飞书表。
feedback_form告诉用户反馈要进入哪个统一飞书表单和反馈表。
relation_key统一用 run_id 关联使用记录和用户反馈。
local_fallback上传失败时本地暂存,下次运行自动补传,避免记录丢失。
6

固定接入 Prompt

为了制作 skill 方便,可以把下面这段 prompt 固化到 skill 制作 SOP 里。每个 skill 初稿完成后复制给 AI,让它生成 Skill 信息卡和 feedback_config。

请在当前 skill 制作完成后,补齐它的反馈收集配置。目标是让这个 skill 接入公司统一的飞书反馈收集闭环。

要求如下:
1. 不要为这个 skill 单独设计一张反馈表。
2. 所有 skill 统一接入公司飞书反馈系统。
3. 本次只生成该 skill 的反馈配置,不生成新的表单。
4. 用户使用 skill 后,基础信息应自动带入,用户只需要填写少量选择题。
5. 使用记录和用户反馈必须通过同一个 run_id 关联。
6. 飞书是正式数据源,本地记录只作为上传失败时的临时缓存和兜底。

请先根据当前 skill 的用途、目标用户、输出结果和风险,生成一份 Skill 信息卡:

{
  "skill_id": "[请生成唯一ID,使用英文小写和下划线]",
  "skill_name": "[skill展示名称]",
  "skill_type": "[document/data_analysis/workflow/customer_service/code/other]",
  "version": "[当前版本,如 v0.1]",
  "owner": "[负责人,未知则写待确认]",
  "target_user": "[主要使用人群]",
  "main_scenario": "[主要使用场景]",
  "main_output": "[主要产出]",
  "success_criteria": "[怎样算这次 skill 使用成功]",
  "non_goals": "[这个 skill 不负责什么]",
  "risk_level": "[low/medium/high]",
  "common_failure_tags": [
    "[常见失败类型1]",
    "[常见失败类型2]",
    "[常见失败类型3]"
  ]
}

然后生成该 skill 的 feedback_config,必须包含:
- collection_channel: feishu
- usage_record_destination: 飞书 Skill 使用记录表
- feedback_form: 飞书统一反馈表
- feedback_table_destination: 飞书用户反馈表
- relation_key: run_id
- auto_params: run_id、skill_id、skill_name、skill_type、skill_version、user_id、created_at、output_link
- local_fallback: 上传失败本地暂存,下次运行重试

最后输出三部分:
一、Skill 信息卡
二、feedback_config
三、需要人工确认的字段清单

注意:
- 不要上传完整用户输入和完整输出内容,除非已确认合规。
- 默认只上传 output_link、摘要、状态和问题标签。
- 如果飞书上传失败,必须先写入本地 outbox,下一次运行时重试。
- 没有 feedback_config 的 skill,不建议发布给公司大范围使用。
7

最小落地步骤

阶段要做什么验收标准
MVP 先建飞书 Skill 目录表、使用记录表、用户反馈表;统一反馈表链接自动带 skill_id、version、run_id。 用户点击链接后不需要手动填写 skill 名称、版本和任务 ID。
标准版 每个 skill 结束后自动写入飞书使用记录表;失败时写入本地 outbox。 每次运行都能在飞书或本地 outbox 中找到一条记录。
推广版 所有新 skill 发布前必须补齐 Skill 信息卡和 feedback_config。 没有 feedback_config 的 skill 不进入公司试用名单。
不建议的方式:每个用户本地 AI 都生成一份正式记录文档,最后再人工调取。这样数据会分散、容易漏收,也无法及时统计。
8

上线前待确认项

飞书权限:谁能新增使用记录,谁能查看反馈数据。
表格信息:app_token、table_id、反馈表单链接。
用户身份:user_id 取企业账号、邮箱还是手动昵称。
输出链接:是否允许上传 output_link,是否涉及客户或敏感数据。
失败兜底:本地 outbox 保存在哪里,多久重试一次。
发布门槛:没有 feedback_config 的 skill 是否禁止大范围发布。
最终汇报结论:这套方案先完成收集闭环。它保证每次 skill 使用能被记录、每条用户反馈能被收上来、每条反馈能追溯到具体 skill 与版本。后续是否优化、怎么排优先级,是下一层优化闭环再处理。